Matplotlib Linia pionowa

Matplotlib Linia pionowa
W tym artykule zostanie zbadane kilka różnych metod wyświetlania pionowych linii Matplotlib w języku Python. Matplotlib to powszechnie używany moduł analityki wizualnej Python. Zawiera wiele wykresów i technik wizualizacji do rysowania wykresów 2D za pomocą zestawów danych w tablicach Python. Matplotlib to framework międzyplatformowy oparty na tablicy Numpy. Aby użyć komponentu Pyplot biblioteki Matplotlib, moglibyśmy rysować pionowe wykresy linii w Pythonie.

Pyplot jest sekwencją instrukcji, których można użyć do tworzenia różnych wykresów. Na dowolnej płaszczyźnie współrzędnych x-y wykresy linii pionowej ilustrują połączenie między dwoma parametrami na osi x i osi y. Wykonanie linii pionowych Matplotlib pociąga za sobą wyświetlanie linii pionowej z wieloma funkcjami biblioteki MATPlotlib.

Wykorzystanie metody vlin () w MATPlotlib do utworzenia pionowego wykresu linii:

Tutaj linie pionowe są wyświetlane na osiach za pomocą matplotlib.Pyplot.Metoda vLines ():

importować matplotlib.Pyplot as Plt
importować Numpy jako NP
A = [50, 200]
plt.Rysunek (rysunek = (5, 10))
plt.vlines (x = 25, ymmin = 30, ymax = max (a),
kolory = „czerwony”,
etykieta = 'vline_multiple - wysokość')
plt.pokazywać()

Na początku kodu importujemy biblioteki MATPlotlib i Numpy. Następnie zainicjujemy zmienną do zadeklarowania tablicy. Ponadto ustawiamy rozmiar figury za pomocą funkcji figSize (). Tutaj linie pionowe zostały przedstawione jako vline (). Argumenty podane do metody vline () konstruują linię pionową w tym przypadku. „X = 25” oznacza, że ​​utworzy to pionową linię na osi x w pozycji 25.

Początkowe i końcowe wartości linii pionowej są oznaczone odpowiednio notacja „Ymin” i „Ymax”. Początkowym etapem jest „Ymin”, który wynosiłby 30. Dlatego „Ymax” jest równoważne MAX (A), w której zmienna „A” reprezentuje tablicę o wymiarach [50, 200]. Tutaj określamy kolor linii, przekazując argument „kolor”, który jest tutaj czerwony. W końcu wywołujemy funkcję plt.show () Aby wyświetlić następujący wykres:

Pionowe linie Python z matplotlibem przy użyciu funkcji AXVLINE ():

Metoda Matplotlib Axvline (), podobna do metody VLine (), jest używana do generowania pionowych linii wzdłuż wymiarów wykresu.

importować matplotlib.Pyplot as Plt
importować Numpy jako NP
plt.Rysunek (rysunek = (5, 8))
plt.axvline (x = 10, color = 'k', etykieta = 'axvline - wysokość')
plt.pokazywać()

Przed rozpoczęciem kodowania dołączamy biblioteki MATPlotlib i Numpy. Teraz rozmiar figury jest dostosowywany za pomocą metody figSize (). Ponadto używamy metody axvline () do narysowania linii pionowej na wykresie. Ta funkcja zawiera cztery parametry: x, kolor i etykieta. Wartość „x” wynosi 10 w tym przypadku. Identyfikacja miejsca w osi X wymaga cyfr, aby utworzyć figurę.

Ponieważ kolorystyka jest dostosowywana do „K”, wytwarza pionową linię, która jest czarna w cieniu. Ponadto musimy zastosować PLT.show () metoda pokazania następującego wykresu:

Matplotlib.Pyplot.vLines ():

Metoda matplotlib.Pyplot.vLines () służy do wyświetlania zestawu danych. Linie pionowe są reprezentowane jako vline w tej funkcji. Rozszerzona forma, która określa, że ​​ta metoda oddziałuje w celu wizualizacji linii pionowych na wszystkich osiach, sprawia, że ​​technika jest widoczna, jak ta metoda wykonuje.

importować matplotlib.Pyplot as Plt
importować Numpy jako NP
plt.VLINES (13, 10, 15, Linestyles = „przerywany”, Colours = „B”)
plt.VLINES (16, 11, 17, Linestyles = „Solid”, Colours = „B”)
plt.VLINES (18, 12, 19, Linestyles = „przerywany”, Colours = „B”)
plt.xlim (10, 20)
plt.ylim (10, 20)
plt.pokazywać()

Po wprowadzeniu bibliotek MATPlotlib i Numpy nazywamy PLT.funkcje vLines (). Następnie rysujemy trzy linie na tym wykresie. Punkt osi, w którym trzeba będzie uformować linię pionową, jest pierwszym parametrem w metodzie vLines (). Następnym parametrem jest dolna granica całej długości linii, a trzeci parametr to maksymalna granica całej długości narysowanej linii. A po tych wszystkich podstawowych argumentach moglibyśmy wykorzystać style linii do określania wyświetlonej linii.

Kolejnym parametrem jest „Kolor.”Za pomocą tego parametru możemy ustawić kolor linii. Ponadto stosujemy PLT.lim () funkcja do osi x i y. Aby reprezentować wykres, stosujemy następujące PLT.show () funkcja:

Użyj AX.VLINES () do generowania pionowych linii:

Na poniższej ilustracji rozmyślamy o użyciu topora.Metoda vLines () do tworzenia pionowych linii:

importować matplotlib.Pyplot as Plt
importować Numpy jako NP
Ryc, ax = plt.wątki (figSize = (4, 4))
NP.losowy.ziarno (30)
x = np.losowy.Rand (100)
topór.Wykres (x)
topór.vlines ([30, 200], 0, 2, linestyles = „solid”, kolory = „czarny”)
plt.pokazywać()

Tutaj integrujemy biblioteki Numpy i Matplotlib. Następnie inicjujemy nowy obiekt do zdefiniowania rozmiaru figury. Ponadto używamy funkcji Rand () biblioteki Numpy, aby ustawić wartość osi x. Topór.metoda wykres () jest stosowana do narysowania linii.

Ponadto stosujemy topór.funkcja vLines (). Metoda vLines () przyjmuje dwa parametry: wartość numeryczną lub 1-wymiarowy zbiór wartości x w celu narysowania linii prostej. Tutaj dostarczyliśmy [30, 200], co wskazuje na dwie wartości. Następnie istnieją parametry Ymin i Ymax, które są wysokościami linii.

Określiliśmy zakres od 0 do 2, ponieważ jest to prawdopodobieństwo NP.losowy.Metoda Rand (). Ponadto możemy określić styl linii i kolor linii. Funkcja show () jest stosowana do wyświetlania następującego wykresu:

Przy 30 i 200 współrzędnych na osi x mamy dwie liczebne pionowe linie czarnego koloru. Ta metoda umożliwia użytkownikom łatwe określenie Ymin i Ymax w danych ilościowych, podczas gdy axvline () pozwala nam określić wysokość w proporcjach.

Wniosek:

W tym artykule nauczyliśmy się tworzyć pionową linię na wykresie Matplotlib i etykiet lub podkreślić określone obszary figurki. Aby wykonać metodę linii pionowej Matplotlib, musimy najpierw zintegrować bibliotekę Matplotlib. Linie pionowe mogą być włączone metodami Pyplot Matplotlib, takimi jak vline (), axvline (). Ponadto umożliwia wizualizację wielu linii w identycznych postaciach. Mamy nadzieję, że ten artykuł jest pomocny. Sprawdź inne artykuły z Linux, aby uzyskać więcej wskazówek i samouczków.